基于深度学习的智能矿产资源潜力评价原理与实践左仁广等科学出版社正版新书

正版新书 16点前订购当日发出支持7天无理由开电子发票

作者: 左仁广等
出版社: 科学出版社
ISBN: 9787030745293

出版时间: 2023-02
装帧: 精装
开本: 16开

作者: 左仁广等
出版社: 科学出版社

ISBN: 9787030745293
出版时间: 2023-02

装帧: 精装
开本: 16开

售价 125.74 7.0折

定价￥179.00

品相全新

优惠

运费

本店暂时无法向该地区发货

延迟发货说明

时间：

说明：

上书时间2024-06-05

数量: 库存4件

立即购买加入购物车收藏

卖家超过10天未登录

四年老店

安轩图书专营店

店铺等级

拍卖等级

资质认证

90天平均

成功完成

95.63% (2177笔)

好评率

99.86%

发货时间

14.74小时

店主

安轩图书专营店

联系

在线交谈离线留言

地址

江苏省无锡市锡山区

电话

进店逛逛收藏店铺

[去看看店主的拍品]

商品详情
店铺评价

立即购买加入购物车收藏

手机购买

微信扫码访问

商品分类：

工程技术

货号：

1202843051

商品描述：

目录
第1章绪论 1

1.1 矿产资源潜力评价概述 1

1.2 矿产资源潜力智能评价方法概述 3

1.2.1 智能认知 4

1.2.2 智能学习 5

1.2.3 智能决策 6

1.3 基于深度学习的地球化学异常识别 7

1.4 基于深度学习的矿产资源潜力评价 8

第2章环境配置与样本制作 10

2.1 TensorFlow环境配置 10

2.2 数据准备 13

2.3 样本制作 15

2.4 数据增强 15

2.4.1 基于地质约束的数据增强方法 16

2.4.2 基于random-drop的数据增强方法 17

2.4.3 基于像素对匹配的数据增强方法 20

第3章卷积神经网络 22

3.1 卷积神经网络基本原理 22

3.2 全卷积神经网络基本原理 24

3.3 参数优化 25

3.4 基于卷积神经网络的地球化学异常识别 31

3.4.1 案例介绍 31

3.4.2 模型框架 32

3.4.3 模型训练 32

3.4.4 模型输出 35

3.5 基于卷积神经网络的矿产资源潜力评价 36

3.5.1 案例介绍 36

3.5.2 模型框架 37

3.5.3 模型输入 37

3.5.4 模型训练 38

3.5.5 模型输出 38

3.6 基于卷积神经网络的地质填图 39

3.6.1 案例介绍 39

3.6.2 模型框架 39

3.6.3 模型输入 41

3.6.4 模型训练 41

3.6.5 模型输出 43

3.7 基于全卷积神经网络的岩性填图 44

3.7.1 案例介绍 44

3.7.2 模型框架 44

3.7.3 模型输入 44

3.7.4 模型训练 45

3.7.5 模型输出 45

第4章循环神经网络 47

4.1 基本原理 47

4.2 基于循环神经网络的矿产资源潜力评价 49

4.2.1 案例介绍 49

4.2.2 模型框架 50

4.2.3 模型输入 50

4.2.4 模型训练 55

4.2.5 模型输出 58

第5章深度自编码网络 59

5.1 基本原理 59

5.2 基于深度自编码网络的地球化学异常识别 60

5.2.1 案例介绍 60

5.2.2 模型框架 60

5.2.3 模型输入 61

5.2.4 模型训练 62

5.2.5 模型输出 63

5.3 基于深度自编码网络的矿产资源潜力评价 65

5.3.1 案例介绍 65

5.3.2 模型框架 65

5.3.3 模型输入 65

5.3.4 模型训练 66

5.3.5 模型输出 67

第6章生成对抗网络 68

6.1 基本原理 68

6.2 基于生成对抗网络的地球化学异常识别 69

6.2.1 案例介绍 69

6.2.2 模型框架 69

6.2.3 模型输入 71

6.2.4 模型训练 71

6.2.5 模型输出 73

第7章深度信念网络 74

7.1 基本原理 74

7.2 基于深度信念网络的地球化学异常识别 75

7.2.1 案例介绍 75

7.2.2 模型框架 75

7.2.3 模型输入 76

7.2.4 模型训练 76

7.2.5 模型输出 77

第8章深度强化学习 79

8.1 基本原理 79

8.2 基于深度强化学习的矿产资源潜力评价 81

8.2.1 案例介绍 81

8.2.2 模型框架 81

8.2.3 模型参数 83

8.2.4 模型输入 83

8.2.5 模型训练 83

8.2.6 模型输出 85

第9章图神经网络 86

9.1 基本原理 86

9.1.1 拓扑图构建 86

9.1.2 图卷积网络 87

9.1.3 图注意力网络 87

9.2 基于图神经网络的矿产资源潜力评价 88

9.2.1 案例介绍 88

9.2.2 模型框架 88

9.2.3 模型输入 89

9.2.4 模型训练 90

9.2.5 模型输出 90

第10章深度自注意力网络 93

10.1 基本原理 93

10.2 基于深度自注意力网络的矿产资源潜力评价 94

10.2.1 案例介绍 94

10.2.2 模型框架 94

10.2.3 模型输入 95

10.2.4 模型训练 96

10.2.5 模型输出 100

第11章基于地质约束的深度学习 101

11.1 地质约束深度学习概述 101

11.2 地质约束深度学习方法构建 102

11.3 基于地质约束深度学习的地球化学异常识别 104

11.3.1 案例介绍 104

11.3.2 模型框架 104

11.3.3 模型输入 105

11.3.4 模型训练 105

11.3.5 模型输出 108

11.4 基于地质约束深度学习的矿产资源潜力评价 109

11.4.1 案例介绍 109

11.4.2 模型框架 109

11.4.3 模型输入 109

11.4.4 模型训练 110

11.4.5 模型输出 110

第12章计算机集群 112

12.1 计算机集群概述 112

12.2 基于计算机集群和卷积神经网络的地质填图 112

12.2.1 案例介绍 112

12.2.2 集群登录 112

12.2.3 数据上传和下载 114

12.2.4 程序运行115

12.2.5 作业调度 116

12.2.6 结果输出 117

第13章展望 119

13.1 数据与知识双重驱动的大数据矿产预测 119

13.2 矿产资源潜力评价知识图谱构建 120

13.3 深度学习模型构建 121

13.4 其他 122

参考文献 123

附录134

附录1 基于滑动窗口的样本制作代码 134

附录2 基于地质约束的数据增强代码 135

附录3 基于窗口裁剪的数据增强代码 137

附录4 基于random-drop的数据增强代码 139

附录5 基于像素对匹配的数据增强代码 141

附录6 基于卷积神经网络的地球化学异常识别代码 145

附录7 基于卷积神经网络的矿产资源潜力评价代码 156

附录8 基于卷积神经网络和勘查地球化学数据的地质填图代码 158

附录9 基于全卷积神经网络的岩性填图代码 161

附录10 循环神经网络调参代码 164

附录11 基于循环神经网络的矿产资源潜力评价代码 167

附录12 基于深度自编码网络的地球化学异常识别代码 174

附录13 基于生成对抗网络的地球化学异常识别代码 181

附录14 基于深度信念网络的地球化学异常识别代码 191

附录15 基于深度强化学习的矿产资源潜力评价代码 195

附录16 基于图神经网络的矿产资源潜力评价代码 201

附录17 基于深度自注意力网络的矿产资源潜力评价代码 210

附录18 地质约束变分自编码网络代码 212

内容摘要
《基于深度学习的智能矿产资源潜力评价原理与实践》紧扣人工智能和深地资源探测国际学术前沿，主要介绍矿产资源潜力智能评价的概念和深度学习算法基本原理，重点介绍基于深度学习开展矿产资源潜力评价的具体实施步骤，包括软件环境配置、数据预处理、样本制作、模型构建及参数调节与优化等。《基于深度学习的智能矿产资源潜力评价原理与实践》可为解决深度学习用于矿产资源潜力评价中面临的训练样本少、模型构建难、可解释性差等难题提供方案。同时，《基于深度学习的智能矿产资源潜力评价原理与实践》可使读者在基于深度学习的矿产资源潜力智能评价方面快速入门，并能根据《基于深度学习的智能矿产资源潜力评价原理与实践》提供的实例，结合自己的数据开展矿产资源潜力智能评价。
配送说明

...
相似商品
为你推荐

孔网分类

图书

图书

基于深度学习的智能矿产资源潜力评价原理与实践 左仁广 等 科学出版社 正版新书

孔网啦啦啦啦啦纺织女工火锅店第三课

基于深度学习的智能矿产资源潜力评价原理与实践左仁广等科学出版社正版新书